Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

Estadística inferencial
Conjunto de métodos utilizados para conocer alguna característica de una población
basándose en una muestra.

¿Qué inferencias se pueden hacer de los parámetros de una población a partir de la

información de los estadísticos correspondientes a una muestra aleatoria de esa
población? ESTIMACIONES O DECISIONES

Cualquier inferencia verdaderamente útil debe ir acompañada de una medida de bondad.

El error de estimación (diferencia entre la estimación y el parámetro) constituye una

medida de la bondad de la estimación.

Muestra aleatoria: son variables independientes cada una con la misma

distribución de probabilidad y su distribución de probabilidad conjunta se expresa
como:

Parámetro: Es cualquier medida numérica que caracteriza a la población.

Estadístico: Es cualquier función de las variables aleatorias que constituyen una muestra
aleatoria. Los estadísticos se calculan con el fin de estimar los parámetros correspondientes
en las poblaciones respectivas.

Muestreo de una población finita

Una muestra aleatoria simple de tamaño n de una población finita de tamaño N es una
muestra seleccionada de manera que cada posible muestra de tamaño n tega la misma
probabilidad de ser seleccionada.

Muestreo de una población infinita

Una muestra aleatoria simple de una población infinita e una muestra seleccionada de
manera que se satisfagan las siguientes condiciones:

1. Cada uno de os elementos selecciones proviene de la población

2. Cada elemento se selecciona independientemente.

Estimación puntual
Para estimar el valor de un parámetro poblacional, la característica correspondiente se
calcula con los datos de la muestra, a los que se conoce como estadístico muestral.

La media muestral es el estimador puntual de la media poblacional .

1
Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

La desviación estándar muestral es el estimador puntual de la desviación estándar

poblacional .

La proporción muestral es el estimador puntual de la proporción poblacional .

Una estimación puntual es un valor calculado a partir de la información obtenida de la

muestra y que se usa para estimar un parámetro poblacional.

Al valor numérico obtenido de se les conoce como estimaciones puntuales.

Distribuciones muestrales
Al usar un estadístico muestral para estimar un parámetro poblacional se lo debe examinar
en toda la muestra posible que pudiera ocurrir.

A la distribución de todos los resultados que se obtendrían se la conoce como distribución

muestral, esta distribución depende de la distribución de probabilidad de la población de la
cual se extraen las muestras.

Distribución muestral de la media

La distribución muestral de es la distribución de probabilidad de todos los valores de la
media muestral . Es a priori ya que a partir de una sola muestra puedo saber que
probabilidades de las otras muestras tengan determinado valor.

Valor esperado de La media de la variable aleatoria es el valor esperado de .

Sea el valor esperado de y la media de la población de la que se selecciona una

muestra aleatoria simple.

Cuando el valor esperado de un estimador puntual es igual al parámetro poblacional, se dice

que el estimador puntual es insesgado.

Desvación estándar de

Población finita:

2
Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

Se va a utilizar esta expresión para calcular la

desviación estándar siempre que:
Polación infinita:
1. La población sea infinita;
2. La población sea infinita y

A la desviación estandar de , se le llama error estándar de la media.

En general el error estandar se refiere a la desviación estándar de un estimador puntual.

Forma de la distribucion muestral de

 Cuando la población tiene distribución normal, la distribución muestral de está

distribuida normalmente sea cual sea el tamaño de la muestra, por el TEOREMA DE
LA REPRODUCTIVIDAD.

TR

Demostración

= =

 Cuando la población de la que se tomó la muestra aleatoria simple NO tiene

distribucion normal, el TEOREMA DEL LÍMITE CENTRAL ayuda a determinar la
forma de la distribución muestral de .

TEOREMA DEL LÍMITE CENTRAL: Cuando se seleccionan muestras aleatorias simples

de tamaño n de una población, la distribución muestral de la media muestral puede
aproximarse mediante una distribución Normal a medida que el tamaño de la muestra se
hace grande.
 Sin importar la forma de la distribución si la distribución del muestreo se
aproxima a la Normal.

TLC 3
 Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

 Si la distribución es simétrica y n , la distribución muestral tiende a la Normal

n Debo suponer que
es simétrica
TLC

= error estándar de la media =

distancia entre las medias muestrales =
desvío de las muestras

Distribución muestral de proporción

X: n° de éxito e una muestra de tamaño n

Ps = proporción de éxitos en una muestra de tamaño n.

La proporción muestral es el estimador puntual de la proporción poblacional

Valor esperado de

Demostración:

4
Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

Desviación estándar de Ps:

Población finita:

Población infinita: = error estándar de Ps

Demostración:

)=

Forma de la distribucion muestral de Ps

En una muestra aleatoria simple de una población grande, el valor de x es una variable
aleatoria binomial que indice el número de los elementos de la muestra que tienen la
característica de interés. Como es constante, la probabilidad de es la misma que la
probabilidad de x, lo cual significa que la distribución muestral de Ps también es una
distribución de probabilidad discreta y que la probabilidad de cada es la misma que la
probabilidad de x.

Si la población es finita

Teorema de la reproductividad

5
Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

Propiedades de los estimadores puntuales

 Insesgadez o Imparcialidad: implica el hecho de que el promedio de todas las
medias de muestras posibles será igual a la media µ de la población. Si el valor
esperado del estadístico muestral es igual al parámetro poblacional que se estudia, se
dice que el estadístico muestral es un estimador insesgado del parámetro
poblacional.
El estadístico muestral es un estimador insesgado del parámetro poblacional si:
E( =
, por lo tanto son estimadores insesgados de sus
correspondientes parámetros poblacionales .
En el caso de la desviación estándar muestral s y de la varianza muestral , se puede
motrar que , por tanto la varianza muestral es un estimador insesgado
de la varianza poblacional .

Demostración:

Media de )=

= E( )+…+

Por cada se tiene = ; por tanto,

 Eficiencia: Se dice que un estadístico muestral es más eficiente que otro si posee la
menor varianza

El promedio es el estimador más preciso de la media poblacional. Para cualquier

tamaño de muestra, en promedio, la media se acercará más a la media de la
población que cualquier otro estimador.

 Consistencia: Se refiere al efecto del tamaño de muestra sobre la utilidad de un

estimador. Al incrementarse el tamaño de muestra, la variación de la media muestral
de la media poblacional se hace más pequeña, de manera que la media aritmética de
muestra se vuelve una mejor estimación de la media de la población.
Se dice que un estadístico muestral es consistente si su valor tiende a estar más cerca
del parámetro poblacional que se estudia a medida que el tamaño de la muestra
aumenta.

6
Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

Según aumenta el tamaño de la muestra, la variación de la media muestral a la

media poblacional es cada vez más pequeña.

Demostración:

donde a es una cta y x una V.A

donde x e y son VA independientes.

)=Var( como es una cte

Para toda

Estimación por intervalo

Intervalo de confianza: Es un conjunto de valores obtenidos a partir de los datos
muestrales, que tiene una determinada probabilidad de contener el parámetro
poblacional que se está estimando. A esta probabilidad se la conoce como
INTERVALO DE CONFIANZA

Como no se puede esperar que un estimador puntual suministre un valor exacto del
parámetro poblacional, se suele calcular una estimación por intervalo al sumar y
restar al estimador puntual una cantidad llamada margen de error. La fórmula
general de una estimación por intervalo es:

7
Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

Intervalo de confianza:

El objetivo de la estimación por intervalo es aportar información de qué tan cerca

se encuentra la estimación puntual, obtenida de la muestra, del valor del parámetro
poblacional.

Estimación de la media poblacional por intervalos de confianza

1° Caso: Conozco el desvío poblacional 

TR

Si (debo suponer que

es simétrica)
TCL

, pero n≥30

Error de estimación: Distancia

entre la media poblacional y la
media muestral (

Como buscar :
Si no te dan como dato el nivel
Busco en el cuerpo de la tabla de de confianza se usa 95%
los negativos y encuentro z.

Intervalo: [

2° Caso: No conozco el desvío poblacional, pero conozco el muestral 

(trabajo con Student)

TR
Si

8
Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

Si (debo suponer
que es simétrica)
TCL
, pero n≥30 TCL

Error de estimación

Como buscar :

Busco en tabla t

Intervalo: [

Cuando se conoce el margen de error, , es fijo y es el mismo para todas las

muestras de tamaño . Cuando no se conoce, el margen de error, , varía de una

muestra a otra. Esta desviación e debe a que la desviación estándar muestral S varía con la
muestra que se seleccione. Si S es grande, se obtiene una margen de error grande, mientras
que si S es pequeña se obtiene un margen de error pequeño.

3°Caso: Estimación de la proporción poblacional  siempre se trabaja con z

Si la población es finita

Teorema de la reproductividad

Error de estimación

9
Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

Busco z de la misma forma que en el 1° caso.

Intervalo: [ ]
Ecuación de la recta de regresión lineal simple poblacional

Ecuación de la recta de regresión lineal simple muestral (ecuación de regresión estimada):

Supocisiones subyacentes:
1. Linealidad: la relación entre las variables es lineal.
2. El término de error es una variable aleatoria cuya media es 0(cero)
3. Homocedasticidad: La varianza del error es la mima para todo los valores de x.
4. Independencia del error: El error debe ser independiente de cada valor de x
5. El término del error es una variable distribuida normalmente.

Implicaciones:

- Para cada valor de X, hay un grupo de valores Y, y esto valores de Y se ditribuyen

normalmente .
- La medias de estas distribuciones normale de valores Y, caen todas en la recta de
regresión y las varianza son todas iguales.
- En la selección de una muestra, los valores de Y elegidos para un valor particular de
X, no dependen de los valores de Y de ningún otro valor de X.

, el valor medio de LAS Y para un valor dado de X,

pero también e la mejor estimación de LA Y que corresponde a un determinado valor de
X.

4°Caso: Intervalo de predicción para un valor individual

Busco t: 1-(

10
 Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

Grados de libertad: n-2

5°Caso: Intervalo de confianza para un valor promedio

6°Caso: Estimación de la pendiente poblacional

Distribución muestral de b

= ~= ~

error estandar del coeficiente de pendiente

Determinación del tamaño de la muestra

1° Caso: Tamaño de muestra para una estimación por intervalo de la media
poblacional con conocido.
Este tamaño de muestra proporciona el
margen de error deseado al nivel de
confianza elegido

Error de estimación: puede

aparecer como , distancia entre

,
¿Qué probabilidad?

11
Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

2° caso: Tamaña de la muestra para una estimación por intervalo de la proporción

poblacional.

Muestras mayores proporcionan márgenes de error menores y mejor precisión.

Si no tengo p utilizo 0,50 para

sobreestimar el tamaño de la muestra

¿Qué probabilidad?
PRUEBAS DE HIPÓTESIS
La hipótesis estadistica es una declaración sobre el valor de un parámetro de la población.

La prueba de hipótesis: es un procedimiento basado en la evidencia de la muestra y la

teoría de las probabilidades, usado para determinar i la hipoétsis es una decaración
“razonable” y no debe ser rechazada o es “irrazonable” y debe ser rechazada.

Una prueba de hipótesisestadística se utiliza para cuantificar el proceso de toma de

decisiones respecto de una hipótesis estadística partir de un resultado obtenido en una
muestra.

En una prueba de hipótesis se plantean 2 hipótesis:

Hipótesis nula Es lo que afirmo y lo que pongo a prueba SIEMPRE. Se considera cierta
hasta que se encuentra evidencia de lo contrario.

Hipótesis alternativa Es una declaración que se “acepta” si los datos de la muestra

proporcionan evidencia de que la hipótesis nula es falsa. Representa una conclusión para la
cual e busca evidencia.

son afrimaciones opuestas acerca de la población y soló una de ellas es verdadera.

En toda situación en la que se desee probar la validez de una afirmación, la hipótesis nula se
basa en la suposición de que la afirmación sea verdadera. Entonces la hipótesis alternativa se
formula de manera que rechazar proporcione la evidencia estadística de que la suposición
establecida es incorecta.

12
Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

A derecha
2 colas

Prueba de hipótesis A izquierda

1 cola

Estadístico de prueba: Es un valor determinado a partir de la información muestral, usado

para determinar si se rechaza o no la hipótesis nula. Con la distribución del estadístico de
prueba se determina la regla de decisión de la prueba.

Regla de decisión: Existe una región de rechazo de , llamada región critica, una región
donde no se rechaza la hipótesis nula y un (o dos) valor(es) critico(s) que es(son) el(los)
punto(s) de división entre la región de rechazo de la hipótesis nula y la región en la que no
se rechaza la hipótesis nula.

Resultados posibles de la prueba:

Si es VERDADERA Si es FALSA
No Rechazar Conclusión correcta Error de tipo II
Decisión
Estadistica
Rechazar Error de tipo I Conclusión correcta

Error de tipo I: Es el error de rechazar cuando es verdadera.

Error de tipo II: Es el error de no rechazar cuando es falsa.

Probabilidades asociadas a la decisión

es VERDADERA
No rechazar Nivel de confianza Error de tipo II (

Decisión
Estadistica
Rechazar Nivel de Potencia de la
significancia ( prueba (

Nivel de significancia ( : Probabilidad de rechazar cuando es VERDADERA como

igualdad. El nivel de significancia expresa la medida de bondad de la prueba.

13
Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

Prueba de error tipo II ( : Probabilidad de no rechazar , cuando es FALSA.

Nivel de confianza Probabilidad de no rechazar , cuando es VERDADERA

Potencia de la prueba ( Probabilidad de rechazar , cuando es FALSA.

β, representa la probabilidad de que la hipótesis nula no sea rechazada cuando de hecho es

falsa y debería rechazársele. La potencia de prueba 1 - β representa la sensibilidad de la
prueba estadística para detectar cambios que se presentan al medir la probabilidad de
rechazar la hipótesis nula cuando de hecho es falsa y debería ser rechazada. La potencia de
prueba estadística depende de qué tan diferente en realidad es la media verdadera de la
población del valor supuesto. Si existe una diferencia grande entre la media real de la
población y la media supuesta, la potencia de la prueba será mucho mayor que en el caso en
que dicha diferencia fuera pequeña.
Una prueba de un extremo es más poderosa que una de dos extremos, y se debería utilizar
siempre que sea adecuado especificar la dirección de la hipótesis alternativa.
Puesto que la probabilidad de cometer un error tipo I y la probabilidad de cometer un
error tipo II tienen una relación inversa y esta última es el complemento de la potencia de
prueba (1 - β), entonces α y la potencia de la prueba varían en proporción directa. Un
aumento en el valor del nivel de significación escogido, tendría como resultado un aumento
en la potencia y una disminución en α tendría como resultado una disminución en la
potencia.
Un aumento en el tamaño de la muestra escogida tendría como resultado un aumento en la
potencia de la prueba, una disminución en el tamaño de la muestra seleccionada tendría
como resultado una disminución en la potencia.

Pasos de una prueba de hipótesis

1. Identificar la variable y el parámetro que se estudia.

2. Plantear
3. Seleccionar el nivel de significancia (
4. Identificar el estadístico de prueba y su distribución de probabilidades.
5. Formular la regla de decisión  Cuando voy a rechazar

Se rechaza
6. Tomar una muestra y decidir:
No se rechaza

Valor p en una prueba de hipótesis: El valor p es el nivel de significancia observado, es el

mínimo nivel al cual puede ser rechazada para un conjunto de datos dados.

Z tabla = “X” busco en la tabla la probabilidad= valor p.

Si la prueba es de dos colas  probabilidad x2 =valor p.

14
Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

Si  se rechaza

Si  No se rechaza

Pruebas de hipótesis
1° caso: Conozco el desvió poblacional. 

Datos:

Estadístico de la prueba:

Probabilidad que busco en tabla y

encuentro

Regla de la decisión:
Rechazo
No Rechazo  Rechazo o
 No rechazo
Rechazo

Zona de Rechazo : Zona de No Rechazo


-z
= probabilidad (busco en tabla)

15
Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

Regla de la decisión:

Rechazo  Rechazo :
 No rechazo :
No
rechazo
Zona de Rechazo

Zona de No Rechazo


+z
= probabilidad (busco en tabla)

Regla de la decisión:

 Rechazo :
 No rechazo :
No
rechazo Rechazo
Zona de Rechazo

Zona de No Rechazo

2° caso: Cuando desconozco el desvío poblacional  ( trabajo con t)

Estadístico de la prueba:

Rechazo No Rechazo
Grados de libertad: n-1 rechazo

Regla de la decisión:

 Rechazo o
 No rechazo

Zona de Rechazo : Zona de No Rechazo

16
 Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

= probabilidad (busco en tabla)

-t
Rechazo No
Grados de libertad: n-1
rechazo
Regla de la decisión:

 Rechazo :
 No rechazo :

Zona de Rechazo

Zona de No Rechazo

= probabilidad (busco en tabla) +t

Rechazo
No
Grados de libertad: n-1
rechazo

Regla de la decisión:

 Rechazo : Zona de Rechazo

 No rechazo :
Zona de No Rechazo

3° caso: Prueba de hipótesis para proporción

Si no me da p y me dice que la
mayoría o lo más probable:

Estadístico de la prueba:

Z tabla: idem al 1 caso.

17
 Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

Pruebas de hipótesis de regresión

4° Caso: Pruebas para (pendiente poblacional)

a) La utilizo cuando me pregunta si hay relación o si hay relación lineal o si me

pregunta si la recta estimada realmente existe.

(no hay relación) (hay relación)

Grados de libertad: n-2

Regla de decisión y zona de rechazo idem al 2° caso.

b) Cuando me da un valor supuesto de la pendiente poblacional.

Grados de libertad: n-2

Grados de libertad: n-2
Grados de libertad: n-2

Regla de decisión y zona de rechazo idem al 2° caso.

18
Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

5° Caso: Pruebas para la población)

Coeficiente de correlación RHO: Es una medida de la intensidad de la relación lineal entre

2 variables.

La utilizo cuando me pregunta si hay relación o si hay relación lineal.

(no hay relación) (hay relación)

Grados de libertad: n-2

Regla de decisión y zona de rechazo idem al 2° caso.

Cuanto más chico es el nivel de significancia ( ), es más chica la probabilidad de error.

Calculo de la potencia o error de tipo II cuando conozco el valor

verdadero de la media poblacional (

Potencia
Potencia
Potencia Potencia

Potencia=

19
Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

Potencia Potencia

Potencia
Potencia

20
Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

Números Índices
Medida estadística que refleja lo cambios ocurridos en una variable o grupo de variables en
el tiempo o en el espacio.

Cociente entre los valores absolutos de la variable o grupo de variables y otro valor fijo, que
se toma como base de comparación.

Números Índices referidos a series de tiempo

Cociente entre el valor actual de la variable o grupo de variables y el valor correspondiente a

esta(s) en el período que se toma como referencia para la comparación llamado período
base.

Mes base
Según como sea el período será: Año base
Trimestre base

Expresa la variación relativa ed la variable e comparación con el período base.

Tipos de números índices: PRECIO, CANTIDAD, VALOR.

Clasificación según la metodología usada para s construcción

Simples (un solo

bien)
De media aritmética
simple
Índice Sin ponderar De media agregativa
simple
Complejos(más de
un bien)
Laspeyres
Ponderados Pasche
Fischer

Índices simples: Mide el cambio relativo en solo una variable (precio-cantidad-valor de un

artículo). Se obtiene dividiendo a cada valor por uno fijo correspondiente al momento que se
toma como período base de comparación.

 Índice simple de precio: compara niveles de precios (de un artículo) de un período a

otro.
 Índice de cantidad: Compara niveles de cantidad de un artículo de un período a otro.

21
Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

 Índice valor: Mide los cambios en el valor monetario total. Combina los cambios en
precio y cantidad en un índice con más información.

El número índice para el período base es siempre 1 a 100 dependiendo si se ha expresado

como proporción o porcentaje. i: 1,2,….,n t:0,1,…,k

En gral:

El índice de valor en un momento t es igual al producto del índice de precio en ese

momento t y el índice de cantidad en ese mismo momento t.

Demostración:

Índices complejos: Mide la variación conjunta en el tiempo de un grupo de variables

(precio-cantidad-valor de un grupo de artículos)

Resumen en una sola serie, cuyos valores están referidos porcentualmente a un período
base, a todas las series observada y reflejan el movimiento del complejo en estudio.

Considera igualmente importante cada

artículo del grupo
No ponderados (más NO tienen en cuenta factores de
sencillos) ponderación al sintetizar
Índices
complejos

Ponderados (contienen más Tienen en cuenta algún tipo de coeficiente

información) de ponderación al sintetizar

Índices complejos no ponderados:

 Índice de media aritmética  promedio de índices simples.

Índice de media aritmética sintetiza los movimientos de las n series temporales en estudio
mediante la media aritmética de los n° índices simples en cada momento de observación.

22
Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

 Índice de media agregativa: Sintetiza lo movimientos de bienes en series temporales

en estudio mediante índices simples de la serie de agregados(sumatoria de todos
los valores en conjunto en cada momento) en cada momento de observación.

Se puede decir que el índice de la media agregativa es un cociente de

Cuando las magnitudes no son homógeneas este índice pierde significado.

Índices complejos ponderados: (Precio – cantidad). Tienen en cuenta algún factor de

ponderación.

¿Cómo elegir el factor de ponderación? De manera que recoja la importancia intrínseca de

cada variable que compone el conjunto

Factor de ponderación
Índice de precios CANTIDAD
Índice de cantidad PRECIO

 Índice de Laspeyres: Toma como constante el precio (o la cantidad) del tiempo

elegido como la base.
El índice de precios (cantidades) de Laspeyres puede interpretarse como un índice
simple del valor(cantidad) de la mercancías consumidad en el año base (t=0), en
relación a los precios(cantidades) del año considerado (del año o período actual t),
ponderado por las cantidades (precios) consumidas en el período base.

 Índice de Paasche: Toma como constante el precio (o la cantidad) correspondiente

al tiempo para el cual se va a calcular el índice (período t).

 Índice Fisher: Medida geométrica de los índices de Laspeyres y Paasche. (raíz

cuadrada)

Ventajas y desventajas:

23
Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

- Laspeyres: Fácil de calcular pero los coeficientes de ponderación pueden dejar de

ser representativos cuando el período t se aleje demasiado del período base.
- Paasche: Sus coeficientes de ponderación estarán siempre actualizados pero
requiere mayor información y es más difícil de calcular.
- Fisher: Mayor costo

Empalme de una serie: Con el transcurso de tiempo, el conjunto de los bienes y servicios
considerado en los índices de precios pueden ir perdiendo representatividad debido, por
ejemplo, a cambios en las estructuras de consumo.

Como consecuencia de ello, se hace necesario modificarlos produciéndose una ruptura en la

continuidad de la serie.

La solución para esto: Empalmar la serie

Cambio de base: Disponiendo de una serie de números índices con base en un período t=0
muchas veces interesa conocer la variación en el tiempo de los valores originales pero con
respecto a otro período.

Teniendo en cuenta la proporcionalidad, se puede realizar un cambio de base en los índices,

dividiendo cada índice de la primera serie por uno fijo correspondiente al nuevo período
base.

Con el transcurso del tiempo puede ocasionar que, el conjunto de bienes y servicios
considerados en los índices de precios vayan perdiendo representatividad. Por lo tanto, se
vuelve necesario modificar su base.

Al modificar las bases de un índice se produce una ruptura en la continuidad de la serie.

La ruptura significa que el nuevo índice de precio posee una representatividad
cualitativamente diferente del anterior.
El Índice del Precios al Consumidor (IPC)
El IPC mide la variación promedio de los precios minoristas de un conjunto de bienes y
servicios que representan el consumo promedio de los hogares residentes en la zona de
referencia de un período específico.
Para hallar el Coeficiente del IPC es necesario un período base, una población y una región
geográfica definida.
IPC e Índice de Costo de Vida. Algunos sostienen que el IPC es un Índice de Costo de Vida
(ICV), lo cual es erróneo. Un ICV busca reflejar los cambios de gastos que un consumidor
promedio destina para mantener constante su nivel de satisfacción o nivel de vida. Mientras
que el IPC no considera todos los gastos de los consumidores que tiene que ver con el
mantenimiento de su nivel de vida.

24
Resumen Estadística – Estadística Inferencial e índices – Galdón María Sol

Aplicación a la práctica:
Puede utilizarse el IPC con el objetivo de reflejar la variación en el nivel de precios entre dos
momentos del tiempo; esa tasa puede ser positiva, negativa o igual a cero. Si es positiva
indica que existe inflación de los precios, si es negativa indica deflación, y si es nula significa
que se mantuvo constante.
Otro uso importante del IPC es como un índice que se suele usar para ajustar los salarios
nominales (en moneda actual) a salarios reales (en moneda constante del año base)
realizando ajustes por los cambios en los costos de vida. Utilizando el IPC como un índice de
deflación se tiene:

Moneda corriente

Moneda cte

25